全文获取类型
收费全文 | 14274篇 |
免费 | 450篇 |
专业分类
公路运输 | 4315篇 |
综合类 | 3666篇 |
水路运输 | 3115篇 |
铁路运输 | 3091篇 |
综合运输 | 537篇 |
出版年
2024年 | 85篇 |
2023年 | 367篇 |
2022年 | 300篇 |
2021年 | 413篇 |
2020年 | 421篇 |
2019年 | 436篇 |
2018年 | 162篇 |
2017年 | 211篇 |
2016年 | 241篇 |
2015年 | 420篇 |
2014年 | 731篇 |
2013年 | 640篇 |
2012年 | 845篇 |
2011年 | 875篇 |
2010年 | 901篇 |
2009年 | 981篇 |
2008年 | 1055篇 |
2007年 | 1020篇 |
2006年 | 840篇 |
2005年 | 651篇 |
2004年 | 585篇 |
2003年 | 570篇 |
2002年 | 397篇 |
2001年 | 393篇 |
2000年 | 264篇 |
1999年 | 184篇 |
1998年 | 156篇 |
1997年 | 99篇 |
1996年 | 103篇 |
1995年 | 74篇 |
1994年 | 58篇 |
1993年 | 53篇 |
1992年 | 51篇 |
1991年 | 52篇 |
1990年 | 49篇 |
1989年 | 34篇 |
1988年 | 3篇 |
1987年 | 1篇 |
1985年 | 1篇 |
1984年 | 2篇 |
排序方式: 共有10000条查询结果,搜索用时 203 毫秒
1.
为提高城市地铁网络客流分布预测的准确性,结合乘车阻抗、进站候车阻抗和换乘阻抗等出行阻抗建立综合出行阻抗函数,基于阻抗函数对有效路径集进行搜索与筛选,建立基于综合出行阻抗的多路径客流分布计算模型,并设立换乘惩罚系数对不同路径的客流分配进行合理修正.以深圳地铁新开通的11号线为契机,结合地铁1号线、2号线、3号线、5号线分析网络客流分布的变化.结果 表明:新开通的11号线使各线路中的换乘客流有不同程度的增大,增加了乘客出行的可选路径,且11号线车站附近形成新的人口及岗位聚集圈,进一步增加了11号线自身的客流,使得线网客运总量增加,与实际运营中的客流特征相符,验证了所建模型的有效性和适用性. 相似文献
2.
在分析从西非到我国终端客户的铝钒土进口海运供应链(Bauxit Import Maritime Supply Chain,BIMSC)内部和外部影响因素的基础上,采用故障模式与影响分析(Failure Mode and Effects Analysis,FMEA)和模糊贝叶斯网络(Fuzzy Bayesian Network,FBN)相结合的方法,建立BIMSC风险评估方法的概念框架。采用FMEA辨识潜在的失效模式,并剖析失效原因和后果;根据失效模式潜在的因果关系建立贝叶斯网络;利用三角模糊数处理表征风险参数的不确定性,评估BIMSC风险水平,并进行敏感性分析,确定风险因子排序。研究结果表明,港口操作中的违规操作、违规指挥、货物易流态化和安全管理问题是主要的风险因素。 相似文献
3.
4.
5.
6.
为弥补现有指标的不足,引入韧性作为非常态事件下CTCS-3级(China train control system-3)列控车载子系统运行稳定性的测度指标. 提出了车载子系统韧性量化评估方法,构建了基于贝叶斯网络(Bayesian network, BN)的韧性评估模型,并定义了5种基于韧性的部件重要度指标;进一步利用贝叶斯网络双向推理功能,计算了车载子系统在不同扰动情景下的韧性及部件重要度指标. 研究结果表明:韧性可全面描述车载子系统抵御扰动和从扰动中恢复的能力,非常态事件扰动下,韧性与可用性指标存在明显差异;不同扰动情景下系统韧性明显不同,扰动发生时,车载子系统面临磁暴影响时的韧性为0.8017,而遭遇雷电时的韧性为0.8819,面临冰雪扰动时的韧性为0.9880;部件重要度存在情景依赖,同一部件在不同扰动情景下重要度排序可能不同,且可能随时间动态变化. 相似文献
7.
8.
传统的数据封包传送数学模型在传送船舶智能化网络数据资源时,传播速率很慢,平均延迟高,吞吐性能差。为解决上述问题,设计一种新的数据封包传送数学模型,利用BM匹配算法匹配船舶网络数据资源格式,根据船舶智能化网络的IP地址、网络端口号、网络资源传输协议、网络通信数据以及其他网络资源信息数据建立封包传送数学模型。为验证模型效果,与传统模型进行实验对比,结果表明,设计的数学模型能够有效提高传播速率,降低平均延迟,加强吞吐性能。 相似文献
9.
舰船图像类型识别是计算机视觉领域研究的热点,当前舰船图像类型识别方法存在误识率高、识别时间长等不足,为获得更优的舰船图像类型识别结果,提出基于卷积神经网络的舰船图像类型识别方法。首先提取舰船图像,对其进行增强、去噪、过滤处理,提升舰船图像质量,然后从舰船图像中提取识别特征,将其作为卷积神经网络的输入,舰船图像类型识别作为卷积神经网络的输出,建立舰船图像类型识别分类器,最后采用Matlab2017对5种类型的舰船图像进行仿真测试,卷积神经网络的舰船图像类型识别正确率超过95%,舰船图像类型的误识率和漏识别均低于5%,获得了理想的舰船图像类型识别结果,而且舰船图像类型识别性能远高于其他舰船图像类型识别方法,具有十分广泛的前景。 相似文献